MODUL KULIAH

Mata Kuliah Statistika Probabilitas

Dosen Safitri Jaya

Modul 8 (delapan)
Topik Distribusi Normal
Sub Topik Pengantar Distribusi Normal
1. Pendahuluan
2. Distribusi Normal
Materi 3. Sifat-sifat Distribusi Normal
4. Probabilitas P(a < X < b)
5. Fungsi Distribusi Kumulatif
1. Memahami distribusi normal dan mengoperasikan
rumus-rumus distribusi normal
2. Memahami pengertian distribusi normal baku
Tujuan 3. Menjelaskan sifat-sifat distribusi normal
4. Memahami konsep dan probabilitas P(a<x<b)
5. Menjelaskan konsep dan rumus fungsi distribusi
kumulatif
 Modul 8 – Distribusi Normal 2

DISTRIBUSI NORMAL

8.1 Pendahuluan

Pada uraian sebelumnya telah dibahas bagaimana cara menentukan

probabilitas peristiwa dari suatu percobaan yang menggunakan variabel acak diskret
dan dengan nilai yang terbatas. Apabila suatu percobaan menggunakan variabel acak
yang kontinu dan nilai yang tidak terbatas, diperlukan distribusi probabilitas kontinu
untuk menentukan probabilitas suatu peristiwa yang akan dihasilkan dari percobaan
tersebut. Satu hal yang sangat penting dalam distribusi probabilitas kontinu adalah
distribusi normal. Sekumpulan nilai data akan terdistribusi secara normal (membentuk
kurva yang simetris) apabila rata-rata nilai variabel sama dengan median dan sama
dengan modus nilai data tersebut. Distribusi probabilitas normal membentuk suatu
kurva normal yang juga sering disebut kurva genta (bell-shaped curve) karena
bentuknya yang menyerupai sebuah genta (Haryono, 2008).

Ada dua alasan mengapa distribusi normal sering digunakan dalam analisa
statistik, yaitu :
1. Distribusi normal memiliki kemampuan yang dapat diterapkan pada banyak situasi,
terutama untuk membuat kesimpulan dari sampel yang digunakan.
2. Distribusi normal sangat baik digunakan dalam analisis tentang fenomena yang
menggunakan data kontinu, seperti ukuran berat, tinggi rendahnya skor IQ,
panjang, jumlah curah hujan, banyaknya botol dalam satu kerat dan lain
sebagainya.

Kita telah mengetahui bahwa ada 3 jenis kemiringan, yaitu :

1. Distribusi miring ke kiri (x < med < mod)

Gambar 8.1
 Modul 8 – Distribusi Normal 3

Gambar 8.1 menunjukkan distribusi data miring ke kiri, dimana nilai rata-rata hitung
lebih kecil dari median dan median lebih kecil dari modus. Kurva tidak simetris
sebab puncaknya ada di bagian kanan, tetapi ada sedikit data yang menyebar ke
kiri.

2. Distribusi simetri (med = mod = x)

Gambar 8.2

Gambar 8.2, dimana nilai rata-rata sama atau mendekati median dan modus.
Kurvanya simetris dengan puncak distribusi ada dibagian tengah. Distribusi ini
disebut dengan distribusi normal.

3. Distribusi miring ke kanan (med < mod < x)

Gambar 8.3

Gambar 8.3 menunjukkan keadaan terbalik dari gambar 8.1, yaitu distribusi data
miring ke kanan, dimana nilai modus lebih kecil dari median dan median lebih kecil
dari nilai rata-rata hitung. Kurva juga tidak simetris sebab puncaknya ada dibagian
kiri, sementara ada sedikit data yang menyebar ke kanan.
 Modul 8 – Distribusi Normal 4

8.2 Distribusi Normal

Pada pembahasan sebelumnya telah diuraikan empat bentuk distribusi

probabilitas variabel diskret, yaitu distribusi binomial, poisson, multinomial, dan
hipergeometrik. Variabel diskret adalah variabel yang nilainya bilangan bulat (0, 1, 2,
3,...). Nilai variabel diskret tidak dapat minus dan juga tidak berupa pecahan.
Pembahasan berikutnya adalah probabilitas peristiwa untuk variabel acak kontinu
yang berbentuk simetris dan memiliki poros di tengah-tengah distribusi. Probabilitas
suatu peristiwa yang berdistribusi normal dari variabel acak kontinu ditunjukkan oleh
daerah di bawah kurva normal. Pada suatu observasi, berapapun nilai rata-rata dan
nilai standar deviasinya, luas seluruh daerah di bawah kurva normal adalah 1. Hal ini
sesuai dengan ketentuan nilai probabilitas semua kemungkinan peristiwa yang akan
terjadi dalam suatu percobaan adalah 1. Poros kurva normal terdapat pada rata-rata
dan populasi (µ).

Distribusi normal disebut juga distribusi Gauss, lihat kembali kurva distribusi
normal berikut :

Gambar 8.4 kurva distribusi normal

Rata-rata populasi membagi dua data sama banyaknya sehingga luas daerah di
sebelah kiri rata-rata adalah 0.5 dan di sebelah kanan rata-rata juga 0.5. karakteristik
kurva normal yang dihubungkan dengan nilai rata-rata dan nilai standar deviasi data
adalah sebagai berikut :
 Modul 8 – Distribusi Normal 5

1. Sekitar 68% nilai data observasi yang terdistribusi secara normal berada di dalam
interval µ ± 1 standar deviasi

2. Sekitar 95% nilai data observasi yang terdistribusi secara normal berada di dalam
interval µ ± 2 standar deviasi

Distribusi probabilitas normal untuk setiap nilai x yang membentuk kurva normal
mempunyai persamaan umum :

Rumus 8.1

f(x) = 1 e -1/2 (x - µ)2

δ
δ√2π

Keterangan :
µ = rata-rata populasi
δ = simpangan baku populasi
π = konstanta yang nilainya mendekati 3.14159
e = konstanta yang nilainya mendekati 2,7182
x = setiap nilai variabel acak kontinu yang besarnya -∞ sampai dengan +∞

Distribusi normal f(x) didefinisikan pada internal terbuka -∞ < x < +∞. Distribusi
normal dengan parameter µ dan δ2 biasanya ditulis N (µ,δ2). Dengan memperhatikan
persamaan umum dan grafik distribusi normal f(x), tampak bahwa bentuk kurva
normal ditentukan oleh dua parameter, yaitu rata-rata (µ) dan simpangan baku (δ).
Bila nilai δ mengecil, bentuk kurva akan lebih rapat dan semakin runcing, dan
sebagian besar nilai x akan berkumpul atau mendekati nilai rata-rata µ. Sebaliknya,
jika nilai δ semakin besar, bentuk kurva akan lebih renggang dan tumpul, dimana
sebagian besar nilai x akan menjauhi nilai rata-rata µ. Perhatikan gambar 8.5 yang
menunjukkan uraian tiga distribusi data yang mempunyai simpangan baku serta rata-
rata.
 Modul 8 – Distribusi Normal 6

δ1 < δ2 < δ3
µ1 = µ2 = µ3

Gambar 8.5 Distribusi data yang mempunyai simpangan baku berbeda

8.3 Sifat-sifat Distribusi Normal

Ada beberapa sifat penting dari distribusi normal, diantaranya :
1. Grafik simetri terhadap garis tegak x = µ
2. Grafik selalu berada diatas sumbu x atau f(x) > 0
3. Mempunyai satu nilai modus
4. Luas daerah di bawah kurva f(x) dan di atas sumbu x = 1, yaitu P(-∞< x < +∞) = 1

8.4 Probabilitas P(A < x < B)

Probabilitas distribusi normal f(x) pada interval a < x < b ditentukan dengan
memakai luas daerah di bawah kurva f(x), sebagaimana ditunjukkan oleh gambar 8.6

f(x)

x
a µ b
Gambar 8.6 Luas daerah di bawah kurva
Pada gambar 8.6 probabilitas P(a<x<b) ditunjukkan oleh luas daerah yang diarsir,
yang dibatasi oleh kurva f(x), sumbu x, garis tegak x=a dan x=b. Oleh karena f(x)
 Modul 8 – Distribusi Normal 7

merupakan fungsi kontinu, probabilitas P(a<x<b) dihitung dengan menggunakan

integral dari fungsi f(x) yang dibatasi oleh x=a dan x=b, yaitu :

Rumus 8.2
P(a<x<b) = ∫ f(x) dx = ∫ 1 e -1/2 (x - µ)2 dx
δ
δ√2π

Rumus integral tersebut sangat berguna untuk menghitung daerah di bawah kurva
distribusi normal standar. Akan tetapi, secara matematis bentuk integral dari fungsi
f(x) tersebut sulit dipecahkan secara langsung dengan teknik integral. Oleh karena itu,
penyelesaiannya dilakukan dengan memakai transformasi nilai-nilai X menjadi nilai-
nilai baku Z, yaitu :

Rumus 8.3
Z=x-µ
δ

Dengan transformasi tersebut, kita memperoleh distribusi normal Z yang mempunyai

rata-rata µ = 0 dan simpangan baku δ = 1, atau ditulis N(0,1). Distribusi normal Z
seperti ini disebut distribusi normal standar. Dengan demikian, fungsi distribusi f(x)
berubah menjadi fungsi distribusi f(z).

Rumus 8.4
f(z) = 1 e – ½ Z2
√2π
Selanjutnya probabilitas P(z1 < Z < z2) dihitung dengan rumus berikut :

Rumus 8.5
P(z1 < Z < z2) = ∫ f(z) dz = ∫ 1 e – ½ Z2 dz
√2π
Berdasarkan integral dari distribusi normal standar tersebut, probabilitas P(z1 <
Z < z2) dihitung dengan memakai tabel distribusi normal standar. Perhatikan bahwa
 Modul 8 – Distribusi Normal 8

nilai-nilai yang ada dalam tabel tersebut menunjukkan probabilitas dari nilai-nilai Z
mulai dari z = 0 sampai dengan z = Z0 (positif) yaitu P(0 < Z < Z0).

Contoh :
Tentukan probabilitas dari nilai Z berikut (gunakan tabel distribusi normal standar)
1) P(0 < Z ≤ 1.54) = 0.4382
2) P(- 2.53 ≤ Z < 0)
Karena fungsi distribusi normal standar simetri terhadap Z = 0, maka probabilitas
P(- 2.53 ≤ Z < 0) = P(0 < Z < 2.53) = 0.4943

3) P(- 1.62 ≤ Z ≤ 1.62)

Karena P(- 1.62 ≤ Z ≤ 0) = P(0 ≤ Z ≤ 1.62), P(- 1.62 ≤ Z ≤ 1.62)
= 2P (0 ≤ Z ≤ 1.62)
= 2 (0.4474)
= 0.8948

4) P(- 2.75 < Z < - 1.52)

Perhatikan bahwa P(- 2.75 < Z < - 1.52) = P(1.52 < Z < 2.75)
= P(0 < Z < 2.75) – P(0 < Z < 1.52)
= 0.4970 – 0.4357
= 0.0613

5) P(1.42 < Z < 2.54)

Perhatikan bahwa P(1.42 < Z < 2.54) = P(0 < Z < 2.54) – P(0 < Z < 1.42)
= 0.495 – 0.4222
= 0.0723

6) Bila X adalah variabel acak berdistribusi normal dengan rata-rata µ = 25 dan

simpangan baku δ = 10, tentukanlah probabilitas P(20 < X < 38)

Jawab :
Z = x - µ = X - 25
 Modul 8 – Distribusi Normal 9

δ 10
maka diperoleh
Z1 = (20 – 25) / 10 = - 0.5 dan Z2 = (38 – 25)/10 = 1.3
Dengan demikian probabilitas P(20 < X < 38) = P(- 0.5 < Z < 1.3)
= P(- 0.5 < Z < 0) + P(0 < Z < 1.3)
= P(0 < Z < 0.5) + P(0 < Z < 1.3)
= 0.1915 + 0.4032
= 0.5947

8.5 Fungsi Distribusi Kumulatif

Sering kali perhitungan probabilitas variabel acak Z yang berdistribusi normal
standar lebih mudah dilakukan dengan memakai fungsi distribusi kumulatif. Bila
variabel acak Z berdistribusi normal standar dengan fungsi padat probabilitas f(z),
fungsi distribusi kumulatif dari Z yang ditulis F(z) dirumuskan sebagai berikut
(Gunawan, 2007)

Rumus 8.6
F(z) = P(Z < z) = ∫ f(z) dz = ∫ 1 e – ½ Z2 dz
√2π

Sifat-sifat fungsi distribusi kumulatif F(z) adalah sebagai berikut ;

1. F(z) monoton naik
2. 0 ≤ F(z) ≤ 1
3. F (-∞) = Lim F(x) = 0 dan F (+∞) = Lim F(x) = 1
X -> ∞ X -> ∞

Perhatikan bahwa grafik F(z) tidak memotong sumbu Z dan juga tidak
memotong garis F9z) = 1. Oleh karena itu, sumbu Z dan garis F9z) merupakan garis
batas dari grafik F(z). Dengan memakai fungsi distribusi kumulatif F(z), probabilitas
P(z1 < Z < z2) dihitung dengan menggunakan rumus berikut :

Rumus 8.7
P(z1 < Z < z2) = P(Z < z2) – P(Z < z1) = F(z2) – F(z1)
 Modul 8 – Distribusi Normal 10

Nilai-nilai probabilitas fungsi distribusi kumulatif dari distribusi normal standar

terdapat dalam tabel distribusi kumulatif normal standar.

Contoh :
a. P(-1.43 < Z < 2.53)
= F(2.53) – F(-1.43)
= F(2.50) – F(-1.40)
= 0.9938 – 0.0808
= 0.9130

b. P(-0.5 < Z < 1.3) = F(1.3) – F(-0.5)

= 0.9032 – 0.3085
= 0.5947